視頻中多運動目標(biāo)分類的研究.pdf

1、隨著計算機技術(shù)、數(shù)字圖象處理技術(shù)的不斷發(fā)展,智能視頻監(jiān)控已經(jīng)成為計算機視覺領(lǐng)域的一個重要研究課題。運動目標(biāo)分類是智能視頻監(jiān)控的重要組成部分,是目標(biāo)行為分析與理解的基礎(chǔ)。本文在準(zhǔn)確地提取出視頻中的運動目標(biāo)后,提煉出幾個有效的目標(biāo)特征,實現(xiàn)人、汽車、自行車的準(zhǔn)確分類。
　　 在運動目標(biāo)檢測方面,本文采用基于幀差法與減背景法相結(jié)合的目標(biāo)檢測算法檢測目標(biāo),有助于較為完整地提取出運動目標(biāo),為運動目標(biāo)的準(zhǔn)確分類奠定基礎(chǔ)；利用surendra

2、背景更新算法解決了實驗中出現(xiàn)的對運動目標(biāo)提取的干擾因素:背景中靜止目標(biāo)移動以及前景運動目標(biāo)長久停留在背景中的問題。
　　 在運動目標(biāo)提取方面,本文采用基于類間最大方差法的動態(tài)閾值分割算法二值化前景圖像,獲得較為完整的運動目標(biāo)像素；通過數(shù)學(xué)形態(tài)學(xué)濾波處理去除圖像中的噪聲,然后通過八連通域標(biāo)識算法和目標(biāo)碎片整理來分割得到完整的運動目標(biāo)。
　　 在運動目標(biāo)分類方面,本文對現(xiàn)有常用目標(biāo)特征進行提煉,提出了基于長寬比、空隙率、空隙

3、率變化量的靜態(tài)特征和動態(tài)特征相結(jié)合的分類方法；并以DAG—SVM多類分類器作為分類器；針對人、汽車、自行車姿勢的多樣性,本文選取了包含各種目標(biāo)姿勢的訓(xùn)練樣本和測試樣本,用多類分類器對訓(xùn)練樣本進行訓(xùn)練,并將測試樣本輸入到已經(jīng)訓(xùn)練好的多類分類器中進行分類,得到最終的分類結(jié)果。本文選取的長寬比、空隙率的變化量特征對空洞有一定的魯棒性,在出現(xiàn)無法解決的空洞問題的情況下,仍然能夠較為準(zhǔn)確地實現(xiàn)目標(biāo)分類。
　　 實驗表明,本文的方法能夠?qū)崿F(xiàn)